hadoop 0.20 程式開發

eclipse plugin + Makefile

零. 前言

• 開發hadoop 需要用到許多的物件導向語法，包括繼承關係、介面類別，而且需要匯入正確的classpath，否則寫hadoop程式只是打字練習...
• 用類 vim 來處理這種複雜的程式，有可能會變成一場惡夢，因此用eclipse開發，搭配mapreduce-plugin會事半功倍。
• 早在hadoop 0.19～0.16之間的版本，筆者就試過各個plugin，每個版本的plugin都確實有大大小小的問題，如：hadoop plugin 無法正確使用、無法run as mapreduce。hadoop0.16搭配IBM的hadoop_plugin 可以提供完整的功能，但是，老兵不死，只是凋零...
• 子曰："逝者如斯夫，不捨晝夜"，以前寫的文件也落伍了，要跟上潮流，因此此篇的重點在：用eclipse開發hadoop程式，並且測試撰寫的程式運作在hadoop上
• 以下是我的作法，如果你有更好的作法，或有需要更正的地方，請與我聯絡

單位	作者	Mail
國家高速網路中心-格網技術組	Wei-Yu Chen	waue@…

0.1 環境說明

• ubuntu 8.10
• sun-java-6
• eclipse 3.4.2
• hadoop 0.20.0

0.2 目錄說明

• 使用者：waue
• 使用者家目錄： /home/waue
• 專案目錄 ： /home/waue/workspace
• hadoop目錄： /opt/hadoop

一、安裝

• 安裝的部份沒必要都一模一樣，僅提供參考，反正只要安裝好java , hadoop , eclipse，並清楚自己的路徑就可以了

1.1. 安裝java

• java 基本套件

  $ sudo apt-get install java-common sun-java6-bin sun-java6-jdk sun-java6-jre
  

1.1.1. 安裝sun-java6-doc

• 1 將javadoc下載下來 ​下載點
• 2 放在 /tmp/ 下
• 3 執行

  $ sudo apt-get install sun-java6-doc
  

1.3. 安裝hadoop

• 安裝hadoop0.20到/opt/並取目錄名為hadoop

$ cd ~
$ wget http://apache.ntu.edu.tw/hadoop/core/hadoop-0.20.0/hadoop-0.20.0.tar.gz
$ tar zxvf hadoop-0.20.0.tar.gz
$ sudo mv hadoop-0.20.0 /opt/
$ sudo chown -R waue:waue /opt/hadoop-0.20.0
$ sudo ln -sf /opt/hadoop-0.20.0 /opt/hadoop

• 編輯 /opt/hadoop/conf/hadoop-env.sh

export JAVA_HOME=/usr/lib/jvm/java-6-sun
export HADOOP_HOME=/opt/hadoop
export PATH=$PATH:/opt/hadoop/bin

• 編輯 /opt/hadoop/conf/core-site.xml

<configuration>
  <property>
    <name>fs.default.name</name>
    <value>hdfs://localhost:9000</value>
  </property>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/tmp/hadoop/hadoop-${user.name}</value>
  </property>
</configuration>

• 編輯 /opt/hadoop/conf/hdfs-site.xml

<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
</configuration>

• 編輯 /opt/hadoop/conf/mapred-site.xml

<configuration>
  <property>
    <name>mapred.job.tracker</name>
    <value>localhost:9001</value>
  </property>
</configuration>

• 啟動

  $ cd /opt/hadoop
  $ source /opt/hadoop/conf/hadoop-env.sh
  $ hadoop namenode -format
  $ start-all.sh
  $ hadoop fs -put conf input
  $ hadoop -ls 
  

• 沒有錯誤訊息則代表無誤

1.2. 安裝eclipse

• 下載 ​eclipse SDK 3.4.2 Classic
• 放這檔案到家目錄

  $ cd ~
  $ tar -zxvf eclipse-SDK-3.4.2-linux-gtk.tar.gz
  $ sudo mv eclipse /opt
  $ sudo ln -sf /opt/eclipse/bin/eclipse /usr/local/bin/
  
  

• 建立連結 (圖形介面要重新啟動才有吧！)

$ cat >> ~/.gnome2/panel2.d/default/launchers/eclipse.desktop << EOF
[Desktop Entry]
Encoding=UTF-8
Version=1.0
Type=Application
Terminal=false
Name[zh_TW]=eclipse
Exec=/usr/bin/eclipse
Name=eclipse
Icon[zh_TW]=/opt/eclipse/plugins/org.eclipse.platform_3.3.101.v200902111700/eclipse48.png
Icon=/opt/eclipse/plugins/org.eclipse.platform_3.3.101.v200902111700/eclipse48.png
EOF

二、 建立專案

• 匯入hadoop 0.20.0 eclipse plugin

  $ cd /opt/hadoop
  $ sudo cp /opt/hadoop/contrib/eclipse-plugin/hadoop-0.20.0-eclipse-plugin.jar /opt/eclipse/plugins
  

  $ sudo vim /opt/eclipse/eclipse.ini
  

• 可斟酌參考eclipse.ini內容（非必要）

  -startup
  plugins/org.eclipse.equinox.launcher_1.0.101.R34x_v20081125.jar
  --launcher.library
  plugins/org.eclipse.equinox.launcher.gtk.linux.x86_1.0.101.R34x_v20080805
  -showsplash
  org.eclipse.platform
  --launcher.XXMaxPermSize
  512m
  -vmargs
  -Xms40m
  -Xmx512m
  

• window -> open pers.. -> other.. -> map/reduce
• file -> new -> project -> Map/Reduce? -> Map/Reduce? Project -> next

  project name-> 輸入 : icas (隨意)
  use default hadoop -> Configur Hadoop install... -> 輸入： "/opt/hadoop" -> ok
  Finish
  

• Project -> properties ->
  • java Build Path -> Libraries -> hadoop-0.20.0-ant.jar
  • java Build Path -> Libraries -> hadoop-0.20.0-core.jar
  • java Build Path -> Libraries -> hadoop-0.20.0-tools.jar
    • 以 hadoop-0.20.0-core.jar 的設定內容如下，其他依此類推

      source ...-> 輸入：/opt/opt/hadoop-0.20.0/src/core
      javadoc ...-> 輸入：file:/opt/hadoop/docs/api/
      

• Project -> properties
  • javadoc location -> 輸入：file:/usr/lib/jvm/java-6-sun/docs/api/

• 視窗右下角黃色大象圖示"Map/Reduce? Locations tag" -> 點選齒輪右邊的藍色大象圖示：

  Location Name -> 輸入：hadoop  (隨意)
  Map/Reduce Master -> Host-> 輸入：localhost 
  Map/Reduce Master -> Port-> 輸入：9001 
  DFS Master -> Host-> 輸入：9000
  Finish
  

三、 撰寫範例程式

• 之前在eclipse上已經開了個專案icas，因此這個目錄在：
  • /home/waue/workspace/icas
• 在這個目錄內有兩個資料夾：
  • src ： 用來裝程式原始碼
  • bin ： 用來裝編譯後的class檔
• 如此一來原始碼和編譯檔就不會混在一起，對之後產生jar檔會很有幫助

3.1 我的第一隻程式

• File -> new -> mapper

  source folder-> 輸入： icas/src
  Package : Sample
  Name -> : mapper
  

• 編輯mapper.java

  package Sample;
  
  import java.io.IOException;
  import java.util.StringTokenizer;
  
  import org.apache.hadoop.io.IntWritable;
  import org.apache.hadoop.io.Text;
  import org.apache.hadoop.mapreduce.Mapper;
  
  public class mapper extends Mapper<Object, Text, Text, IntWritable> {
  
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();
  
    public void map(Object key, Text value, Context context)
        throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }
  

• File -> new -> reducer

source folder-> 輸入： icas/src
Package : Sample
Name -> : reducer

package Sample;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class reducer extends Reducer<Text, IntWritable, Text, IntWritable> {
  private IntWritable result = new IntWritable();

  public void reduce(Text key, Iterable<IntWritable> values, Context context)
      throws IOException, InterruptedException {
    int sum = 0;
    for (IntWritable val : values) {
      sum += val.get();
    }
    result.set(sum);
    context.write(key, result);
  }
}

• File -> new -> Map/Reduce? Driver

source folder-> 輸入： icas/src
Package : Sample
Name -> : WordCount.java

• 編輯 WordCount.java 檔

package Sample;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf, args)
        .getRemainingArgs();
    if (otherArgs.length != 2) {
      System.err.println("Usage: wordcount <in> <out>");
      System.exit(2);
    }
    Job job = new Job(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(mapper.class);

    job.setCombinerClass(reducer.class);
    job.setReducerClass(reducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

• 三個檔都存檔後，可以看到icas專案下的src，bin都有檔案產生

$ cd workspace/icas
$ ls src/Sample/
mapper.java  reducer.java  WordCount.java
$ ls bin/Sample/
mapper.class  reducer.class  WordCount.class

四、編譯

• 由於hadoop 0.20 此版本的eclipse-plugin依舊不完整，如：1. 齒輪圖示沒有作用 2. 右鍵點選WordCount.java -> run as -> run on Hadoop ：沒有效果
• 因此編譯hadoop程式就要靠指令來編輯，然而用一行一行指令來產生太沒效率，在此介紹用Makefile來編譯

4.1 產生Makefile

$ cd /home/waue/workspace/icas/
$ gedit Makefile

JarFile="sample-0.1.jar"
MainFunc="Sample.WordCount"
LocalOutDir="/tmp/output"

all:help
jar:
  jar -cvf ${JarFile} -C bin/ .

run:
  hadoop jar ${JarFile} ${MainFunc} input output

clean:
  hadoop fs -rmr output

output:
  rm -rf ${LocalOutDir}
  hadoop fs -get output ${LocalOutDir}
  gedit ${LocalOutDir}/part-r-00000 & 

help:
  @echo "Usage:"
  @echo " make jar     - Build Jar File."
  @echo " make clean   - Clean up Output directory on HDFS."
  @echo " make run     - Run your MapReduce code on Hadoop."
  @echo " make output  - Download and show output file"
  @echo " make help    - Show Makefile options."
  @echo " "
  @echo "Example:"
  @echo " make jar; make run; make output; make clean"

4.2. 執行

$ cd /home/waue/workspace/icas/
$ make jar; make run; make output; make clean

4.3 screenshot

• 圖一： 完成後的eclipse視窗快照

---

• 圖二： 因為有設定完整的javadoc, 因此可以得到詳細的解說與輔助